UTAUT 모형을 활용한 생성형 AI 디자인 도구 사용의도의 영향요인 연구 : 디자인 전공 학생을 중심으로 = A study on the factors influencing the behavioral intention to use AI-generated design tools based on the UTAUT model : focusing on design major students

국문 초록 (Abstract)

최근 인공지능(AI) 기술의 급속한 발전은 산업 구조와 일상생활 전반에 새로운 패러다임의 변화를 이끌고 있다. 특히 생성형 인공지능(Generative AI)는 텍스트, 이미지, 음악, 영상 등 다양한 형태의 콘텐츠를 자동으로 생성함으로써 인간의 창의적 사고와 생산 활동에 혁신적인 변화를 가져오고 있다. 챗GPT의 등장 이후, 생성형 AI는 학습, 디자인, 예술, 교육 등 광범위한 분야에서 활용되며 기술 수용에 대한 관심이 급격히 높아졌다. 그러나 이러한 기술의 확산 속도에 비해 사용자들이 어떠한 요인에 의해 생성형 AI 도구를 수용하고 사용하는가에 대한 학문적 연구는 아직 부족한 실정이다.
특히 디자인 분야는 생성형 AI 기술의 실질적 영향력이 매우 빠르게 확산되고 있는 영역 중 하나로, 이미지 기반 생성형 AI 도구를 활용한 시각화, 아이디어 발상, 시제품 제작 등의 시도가 활발히 이루어지고 있다. 그러나 이러한 기술이 실제 디자인 전공 학생들의 학습 및 창작 과정에서 어떠한 인식적 요인에 의해 수용되는지, 그리고 사용의도가 실제 사용행위로 이어지는가에 대한 체계적 분석은 미흡하다. 이에 본 연구는 디자인 전공 대학생을 대상으로 생성형 AI 디자인 도구의 사용의도와 사용행위에 영향을 미치는 요인을 실증적으로 규명하고, 그 구조적 관계를 분석하고자 한다.
본 연구는 통합기술수용이론(UTAUT)을 기반으로 연구모형을 구성하였다. UTAUT는 성과기대(Performance Expectancy), 노력기대(Effort Expectancy), 사회적 영향(Social Influence), 촉진조건(Facilitating Conditions)을 중심으로 사용의도와 행동을 설명하는 대표적인 이론이다. 그러나 기존 UTAUT는 태도(Attitude)와 같은 인식적 요인을 충분히 반영하지 못한다는 한계가 있다. 이에 본 연구에서는 기존 모형에 개인 혁신성(Personal Innovativeness)과 태도(Attitude) 변수를 추가하여, 디자인 전공 학생들의 생성형 AI 도구 수용 과정에서 태도의 매개적 역할을 검증하고자 하였다.
이를 바탕으로 다음 세 가지 연구목적을 설정하였다. 첫째, 성과기대, 노력기대, 사회적 영향, 촉진조건, 개인 혁신성이 태도와 사용의도에 미치는 영향을 규명한다. 둘째, 태도가 사용의도에 미치는 영향을 확인하고, 태도의 매개효과를 검증한다. 셋째, 사용의도가 실제 사용행위로 이어지는 경로를 실증적으로 규명한다.
연구는 전국 주요 대학의 디자인 관련 학과 재학생을 대상으로 설문조사를 실시하였다. 총 351부의 응답 중 불성실 응답을 제외한 336부를 최종 분석에 활용하였다. 설문 문항은 선행연구에서 검증된 척도를 바탕으로 구성되었으며, 5점 리커트 척도를 사용하였다. 수집된 자료는 SPSS 26과 AMOS 28을 활용하여 구조방정식모형으로 분석하였다. 측정모형의 신뢰도는 Cronbach’s α와 합성신뢰도를 통해 검증하고, 집중타당도와 판별타당도는 평균분산추출과 상관계수 비교로 확인하였다.
연구 결과는 다음과 같다. 첫째, 성과기대는 사용태도에는 유의한 정(+) 영향을 미쳤으나 사용의도에 대한 직접효과는 통계적으로 유의하지 않았다. 이는 생성형 AI 도구가 디자인 학습 및 창작 과정에서 효율성과 성과를 향상시킨다고 인식할수록 긍정적 태도가 형성되고, 그 태도를 통해 사용의도가 강화된다는 점을 시사한다. 즉, 성과기대는 태도를 매개로 의도에 간접적으로 영향을 미치는 완전매개 구조를 보였다. 노력기대는 태도에는 긍정적 영향을 미쳤으나 사용의도에는 직접적 영향이 유의하지 않았다. 이는 도구가 복잡하지 않고 쉽게 활용 가능하다고 인식할수록 호의적 태도가 형성되지만, 실제 사용의도에는 다른 요인이 더 크게 작용함을 보여준다.
둘째, 사회적 영향은 태도와 사용의도 모두에 유의한 정(+) 영향을 미쳤다. 이는 교수자나 동료 집단의 인식 및 사회적 분위기가 AI 도구 활용 결정에 직·간접적으로 작용함을 의미한다. 촉진조건은 사용의도에는 유의한 영향을 미쳤으나 사용행위에 대한 직접효과는 통계적으로 유의하지 않았다. 시스템 지원이나 학습 환경이 잘 갖춰질수록 사용의도가 높아지며, 그 의도를 통해 행동으로 이어지는 간접효과가 확인되었다. 개인 혁신성은 태도와 사용의도 모두에 유의한 정(+) 영향을 미쳤다. 새로운 기술을 탐색하려는 성향이 긍정적 태도 형성과 행동 의지 강화의 핵심 요인으로 작용함을 확인하였다.
셋째, 태도는 사용의도에 유의한 정(+)의 영향을 미치는 것으로 나타났다. 생성형AI 도구를 긍정적으로 평가하고 학습 및 창작에 도움이 된다고 인식할수록 사용의도가 높아졌다. 또한 태도는 성과기대, 노력기대, 개인 혁신성과 사용의도 간의 관계에서 부분 매개효과를 가지는 것으로 나타났다. 이는 기술적 요인뿐 아니라 인식적 태도가 사용의도 형성 과정에서 핵심적 매개 변수로 작용함을 보여준다.
넷째, 사용의도는 실제 사용행위에 유의한 영향을 미쳤다. 생성형AI 디자인 도구를 사용할 의향이 높은 학생일수록 학습, 과제, 창작 프로젝트에서 이를 적극적으로 활용하는 경향이 나타났다.
이러한 결과는 디자인 전공 학생들의 생성형AI 도구 수용이 기능적 요인뿐 아니라 인식적 요인에 의해 강하게 영향을 받음을 보여준다는 것을 확인할 수 있었다. 특히 태도는 사용의도를 강화시키는 주요 변수이자, 기능적 요인과 행동 간의 관계를 매개하는 핵심 요인으로 확인되었다.
본 연구의 학문적 의의는 다음과 같다.
첫째, UTAUT 모형을 기반으로 태도를 포함한 확장형 수용모형을 제시하여 생성형AI 도구의 사용자 행동을 설명하는 이론적 틀을 확장하였다.
둘째, 디자인 분야라는 특수 영역을 대상으로 하여, 기술수용이 창의적 작업 환경에서 어떻게 작동하는지를 실증적으로 규명하였다.
셋째, 개인 혁신성과 태도 요인의 매개적 역할을 분석함으로써, 사용자 인식의 중요성을 구체적으로 제시하였다.
실무적 시사점으로는, 디자인 교육기관은 학생들의 AI 활용 태도를 긍정적으로 형성하기 위한 교수·학습 전략을 마련해야 한다. 예를 들어 생성형AI를 창의적 사고 도구로 인식할 수 있도록 실습 중심의 커리큘럼을 강화하고, 기술 학습에 대한 심리적 저항을 완화할 필요가 있다. 또한 기업은 사용자 인터페이스(UI/UX) 설계에서 학습 용이성과 창의적 몰입을 동시에 지원하는 기능을 개발해야 하며, 정책적 차원에서는 생성형AI 교육의 윤리적·법적 가이드라인을 마련하여 사용자 신뢰를 확보해야 할 것이다.
결론적으로 본 연구는 디자인 전공 학생의 생성형AI 디자인 도구 수용에 있어 기능적 요인과 심리적 요인을 통합적으로 검증하고, 태도의 매개적 역할을 실증적으로 입증함으로써 기술수용이론의 확장 가능성과 실질적 활용 방향을 제시하였다. 향후 연구에서는 다양한 전공 및 연령층을 대상으로 연구를 확대하고, 생성형AI 서비스 유형별(이미지, 텍스트, 비디오 등) 사용행위의 차이를 비교·분석함으로써 보다 일반화된 결론을 도출할 필요가 있다.

다국어 초록 (Multilingual Abstract)

The rapid advancement of artificial intelligence (AI) technologies has introduced a new paradigm across industrial structures and everyday life. In particular, generative AI has brought transformative changes to human creativity and productivity by automatically producing diverse forms of content such as text, images, music, and video. Since the emergence of ChatGPT, the use of generative AI has expanded into various fields including learning, design, art, and education, drawing significant attention to issues of technology acceptance. However, despite the accelerating diffusion of these technologies, academic research on the factors influencing users’ acceptance and use of generative AI tools remains insufficient.
The design field is one of the domains in which the practical influence of generative AI is rapidly expanding, with active attempts to utilize image-based generative AI tools for visualization, ideation, and prototyping. Yet the cognitive factors that affect design students’ acceptance of such tools and the extent to which their intention translates into actual use have not been thoroughly examined. Therefore, this study empirically investigates the factors influencing design students’ behavioral intention and actual use of generative AI design tools and analyzes the structural relationships among these factors.
The research model is grounded in the Unified Theory of Acceptance and Use of Technology (UTAUT), which explains behavioral intention and usage behavior through performance expectancy, effort expectancy, social influence, and facilitating conditions. Recognizing that the original UTAUT model does not sufficiently incorporate cognitive elements such as attitude, this study extends the model by adding personal innovativeness and attitude, aiming to examine the mediating role of attitude in design students’ acceptance of generative AI tools.
Based on this framework, the study establishes three objectives: (1) to determine the effects of performance expectancy, effort expectancy, social influence, facilitating conditions, and personal innovativeness on attitude and behavioral intention; (2) to examine the influence of attitude on behavioral intention and verify its mediating role; and (3) to empirically analyze the pathway from behavioral intention to actual usage behavior.
A survey was conducted among students enrolled in design-related departments at major universities across Korea. A total of 336 valid responses were analyzed out of 351 collected. Measurement items were adopted from validated scales in previous studies and assessed using a five-point Likert scale. Structural equation modeling was performed using SPSS 26 and AMOS 28. Reliability was verified through Cronbach’s α and composite reliability, while convergent and discriminant validity were assessed using average variance extracted and correlation analyses.
The findings are as follows. First, performance expectancy significantly influenced attitude but did not have a direct effect on behavioral intention, suggesting a full mediation through attitude. Effort expectancy had a positive effect on attitude but no significant direct effect on intention, indicating that perceived ease of use contributes to favorable attitudes but does not independently determine intention. Second, social influence positively affected both attitude and intention, demonstrating the direct and indirect impacts of peer and instructor perceptions. Facilitating conditions significantly influenced intention but did not directly affect usage behavior, showing an indirect path through intention. Personal innovativeness positively affected both attitude and intention, confirming its role as a key driver of positive evaluations and willingness to adopt new technologies. Third, attitude had a significant positive effect on behavioral intention and partially mediated the relationships among performance expectancy, effort expectancy, personal innovativeness, and intention. Fourth, behavioral intention significantly influenced actual usage behavior, indicating that students with strong intention actively utilize generative AI tools in coursework and creative projects.
These findings confirm that both functional and cognitive factors significantly shape the acceptance of generative AI tools among design students, with attitude serving as a critical mediating variable between functional perceptions and behavioral intention.
The academic contributions of this study are threefold: it extends the UTAUT model by incorporating attitude into an expanded acceptance framework; it empirically examines technology acceptance within the creative context of design education; and it highlights the mediating roles of personal innovativeness and attitude, thereby emphasizing the importance of user cognition.
Practical implications suggest that design education institutions should develop teaching and learning strategies that foster positive attitudes toward AI use, such as strengthening practice-oriented curricula and reducing psychological barriers to technology adoption. Industry practitioners should design UI/UX features that enhance ease of learning and creative engagement, while policymakers should establish ethical and legal guidelines to promote user trust in AI education.
In conclusion, this study provides an integrated empirical analysis of the functional and psychological factors that shape design students’ acceptance of generative AI design tools and demonstrates the mediating role of attitude. Future research should expand to different academic disciplines and age groups and compare usage behaviors across different types of generative AI services (image, text, video) to derive more generalizable insights.

목차 (Table of Contents)

• 제1장 서 론 1
• 제1절 연구 배경 1
• 제2절 연구 목적 9
• 제3절 연구의 범위 및 방법 11
• 1. 연구의 범위 11
• 2. 연구의 방법 11
• 3. 연구의 구성 12
• 제2장 이론적 배경 14
• 제1절 생성형 AI 14
• 1. 생성형 AI의 이해 14
• 2. 생성형 AI의 분류 및 대표기술 18
• 3. 생성형 AI의 역사 및 시장동향 30
• 4. 생성형 AI 디자인 도구의 응용 40
• 제2절 UTAUT 통합기술수용모형 44
• 1. 통합기술수용이론(UTAUT) 44
• 2. UTAUT 모형의 주요 변수 54
• 3. UTAUT 모형의 관련 확장 변수 59
• 제3절 선행연구 종합고찰 61
• 제3장 연구설계 67
• 제1절 연구모형 및 가설 67
• 1. 연구모형 67
• 2. 연구가설 68
• 제2절 변수의 조작적 정의 및 측정도구 87
• 1. 변수의 조작적 정의 87
• 2. 측정도구 91
• 제3절 조사설계 95
• 1. 표본의 설계 95
• 2. 자료의 수집 방법 96
• 3. 분석 방법 96
• 제4장 실증분석 98
• 제1절 표본특성 및 기술통계 98
• 1. 표본특성 98
• 2. 기술통계 99
• 제2절 타당도 및 신뢰도 분석 102
• 1. 신뢰도 검증 102
• 2. 타당도 검증 104
• 3. 공통방법편의 검증 105
• 제3절 요인분석 및 상관관계 분석 107
• 1. 탐색적 요인분석(EFA) 107
• 2. 상관관계 분석 110
• 3. 확인적 요인분석(CFA) 111
• 제4절 구조방정식모형 분석 및 매개효과 검증 114
• 1. 구조방정식모형 분석 114
• 2. 매개효과 검증 결과 117
• 3. 다집단 구조방정식모형 분석 119
• 제5절 가설검증 결과 요약 126
• 제5장 결 론 130
• 제1절 연구결과의 요약 및 시사점 130
• 1. 연구결과의 요약 130
• 2. 연구의 시사점 132
• 제2절 연구 한계 및 향후 연구 방향 135
• 1. 연구의 한계 135
• 2. 향후 연구 방향 및 제언 136
• 참고문헌 138
• Abstract 158
• 부록 162